کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5002239 1368450 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Structural Analysis of Spreading Processes from Ego-Nets*
ترجمه فارسی عنوان
تجزیه و تحلیل ساختاری فرایندهای پخش از شبکه های انفجاری
کلمات کلیدی
فرآیندهای پخش، نظریه گراف، تجزیه طیفی،
ترجمه چکیده
ما بررسی می کنیم که چگونه رفتار فرایندهای پخش ویروسی تحت تأثیر خواص ساختاری محلی شبکه قرار می گیرد. برای طیف گسترده ای از فرآیندهای گسترش، بزرگترین مقدار اختصاصی ماتریس مجاور شبکه نقش کلیدی در رفتار دینامیکی جهانی آنها دارد. برای بسیاری از شبکه های بزرگ در دنیای واقعی، غیرممکن است که دقیقا ساختار شبکه کامل را برای محاسبه بزرگترین مقدار خاص خود بازسازی کنید. در عوض، به طور معمول دسترسی به دیدگاه های مونوپیک، خودخواهانه از ساختار شبکه، نیز وجود دارد. در این مقاله، یک چارچوب ریاضی بر مبنای نظریه گراف جبری و بهینه سازی محدب پیشنهاد می کنیم تا بررسی کنیم که چگونه خواص ساختاری محلی شبکه، فاصله ای از مقادیر ممکن را محدود می کند که در آن بزرگترین عدد خاص باید دروغ باشد. بر اساس این چارچوب، ما یک روش محاسباتی کارآمد برای پیدا کردن این فاصله از مجموعه ایونات ارائه می دهیم. شبیه سازی های عددی ما نشان می دهد که برای چندین شبکه اجتماعی و ارتباطی، خواص ساختاری محلی شبکه به شدت محدودیت محل بزرگترین مقدار خاص و دینامیک منتشر شده را ایجاد می کند. از دیدگاه عملی، نتایج ما می تواند مورد استفاده قرار گیرد تا استراتژی های ایمن سازی را برای تسریع گسترش ویروس یا طراحی توپولوژی های شبکه ای که ترویج انتشار اطلاعات به صورت ویروسی است، مورد استفاده قرار دهد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
تجزیه و تحلیل ساختاری فرایندهای پخش از شبکه های انفجاری
چکیده انگلیسی
We study how the behavior of viral spreading processes is influenced by local structural properties of the network over which they propagate. For a wide variety of spreading processes, the largest eigenvalue of the adjacency matrix of the network plays a key role on their global dynamical behavior. For many real-world large-scale networks, it is unfeasible to exactly retrieve the complete network structure to compute its largest eigenvalue. Instead, one usually have access to myopic, egocentric views of the network structure, also called egonets. In this paper, we propose a mathematical framework, based on algebraic graph theory and convex optimization, to study how local structural properties of the network constrain the interval of possible values in which the largest eigenvalue must lie. Based on this framework, we present a computationally efficient approach to find this interval from a collection of egonets. Our numerical simulations show that, for several social and communication networks, local structural properties of the network strongly constrain the location of the largest eigenvalue and the resulting spreading dynamics. From a practical point of view, our results can be used to dictate immunization strategies to tame the spreading of a virus, or to design network topologies that facilitate the spreading of information virally.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: IFAC-PapersOnLine - Volume 49, Issue 22, 2016, Pages 345-350
نویسندگان
, ,